一、Hadoop是什么

• Hadoop是一个由apache开发的分布式系统基础架构。

• 主要解决海量数据的存储和海量数据的分析计算问题。

• 广义上来说Hadoop通胀指一个更宽泛的概念——Hadoop生态圈

1、Hadoop优势

1. 高可靠性Hadoop底层维护多个数据副本即使Hadoop某个计算元素或存储出现故障也不会导致数据的丢失。

2. 高扩展性在集群见分配任务数据可方便的扩展数以千计的节点。

3. 高效性在MapReduce的思想下Hadoop是并行工作的以加快任务处理速度。

4. 高容错性能够自动将失败的任务重新分配。

2、Hadoop1.x、2.x、3.x区别

Hadoop1.x中Hadoop的MapReduce同时处理业务逻辑运算和资源的调度耦合性比较大。

在Hadoop2.x中增加了Yarn。Yarn负责资源的调度MapReduc负责运算。Hadoop3.x在组成上与Hadoop2.x一致。

3、Hadoop运行模式

• • 本地模式

单机运行只是用来演示一下官方案例。生产环境不用。

• • 伪分布式模式

也是单机运行但是具备 Hadoop 集群的所有功能一台服务器模拟一个分布式的环境。一般用来测试生产环境不用。

• • 完全分布式模式

多台服务器组成分布式环境。生产环境使用。

二、Hadoop三大架构

HDFS架构概述

Hadoop Distributed File System简称HDFS是一个分布式文件系统。

• • NameNode(nn)

存储文件的元数据如文件名、文件目录结构、文件属性生成时间、副本数、文件权限以及每个文件的块列表和块所在的DataNode等。

• • DataNode(dn)

在本地文件系统存储文件块数据以及块数据的校验和。

• • Secondary NameNode(2nn)

每隔一段时间对NameNode元数据备份。

YARN架构概述

Yet Another Resource Negotiator简称YARN是一种资源协调这是Hadoop的资源管理器。

• • ResoueceManager(RM):

整个集群资源内存、CPU等的老大。

• • NodeManager(NM):

单个节点服务器资源老大。

• • ApplicationMaster(AM):

单个任务运行的老大。

• • Container:

容器相当于一台独立的服务器里面封装了任务运行所需要的资源如内存、CPU、磁盘、网络等。

【注】

• 客户端可以有多个

• 集群上可以运行多个ApplicationMaster

• 每个NodeManager上可以有多个Container

MapReduce架构概述

MapReduce将计算过程分为两个阶段Map和Reduce

• Map阶段并行处理输入数据

• Reduce阶段对Map结果进行汇总

三、HDFS、YARN、MapReduce三者关系

客户端Client提交任务到资源管理器ResourceManager,资源管理器接收到任务之后去NodeManager节点开启任务ApplicationMasterApplicationMaster向ResourceManager申请资源若有资源ApplicationMaster负责开启任务即MapTask。

开始干活了即分析任务每个map独立工作各自负责检索各自对应的DataNode将结果记录到HDFSDataNode负责存储NameNode负责记录2nn负责备份部分数据。

四、大数据生态框架